基于人工智能的骨导电值预测,使用空气导电听力测量数据

科学领域:

• 听力学 听力学是指听力学.
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 纯音调听力测量 (PTA) 传统上需要空气导电 (AC) 和骨导电 (BC) 测量.
• 仅从交流数据中估计BC值和分类空气骨间隙 (ABGs) 可以简化听力学评估.

研究的目的:

• 评估预测BC值和分类ABG状态的可行性,仅使用来自PTA的AC数据.
• 为了比较各种机器学习模型对这些预测任务的性能.

主要方法:

• 利用来自韩国的60,718个PTA记录的大数据集.
• 训练了五个机器学习模型 (DNN,LSTM,BiLSTM,RF,XGB),使用AC值,年龄和性别作为输入特征.
• 评估模型性能使用准确度,灵敏度,精度和F1得分,并进行5倍交叉验证和SMOTE.

主要成果:

• 在预测BC值方面,LSTM和BiLSTM模型表现出卓越的性能,在±5dB范围内达到约60%的精度,在±10dB范围内达到80%的精度.
• 所有模型都在使用10dB标准对ABG分类表现更好,而不是使用15dB标准.
• 基于树的模型 (RF,XGB) 产生了最高的分类准确度 (高达0.512) 和精度 (高达0.827).

结论:

• 机器学习模型可以准确地预测BC值和ABG状态,仅使用AC听力测量数据.
• 这些发现倡导将人工智能工具整合到临床听力学和远程医疗中,用于远程听力查和诊断.
• 建议进一步进行临床验证和实施,以提高听力护理服务的可访问性.